文章核心观点 - 老牌企业可以通过与初创企业合作及培育内部创业，实现激进创新，避免被颠覆 [1][3] - 成功的创新过程包括三个基本阶段：探索、承诺和扩大规模 [3] - 大公司拥有资源、能力和生态系统优势，能够帮助创新想法克服障碍并实现规模化，从而释放未被充分利用的价值 [16] 探索阶段：寻找与培育创新机会 - **建立广泛的合作关系**：公司应为多种未来情景做准备，与多家初创企业进行实验，通过提供测试机会或客户接触来创造价值，避免大规模早期股权投资以保持合作灵活性 [7] - **设立创新中心**：公司应建立创新中心以连接风险投资与内部员工，广泛传播新思想，例如Enel中心每年发现约4000个合作机会，并推动约200个概念验证项目 [8] - **培养内部创业人才**：公司需激励业务管理和一线员工支持创新，例如阿特拉斯·科普柯通过奖励尝试新业务模式的管理人员来培养新一代领导者，海伦娜·赫德布洛姆即由此晋升并领导了自动化采矿技术的突破 [9] 承诺阶段：评估与深化创新项目 - **评估商业模式可行性**：公司需测试创新是否能带来价值、如何供应生产及获利，例如W.L. Gore & Associates与Bionic Yarn合作，确保供应链可靠并定位高端市场，最终其新型复合材料中50%材料来自该合作伙伴 [10] - **构建支持增长的生态系统**：工业级创新推广需要互补的业务系统，阿特拉斯·科普柯通过与多家伙伴合作开发远程监控组件，为2013年推出Smartlink技术做准备，到2020年已为超过10万台设备提供远程监控服务 [11] - **确认客户准备度**：在B2B背景下，公司可利用行业经验绘制潜在客户池并确定早期采用者，例如安百拓与Northvolt合作，确定最愿意将车队电气化的客户，将自己定位为采矿电气化首选方案 [12] - **赢得利益相关者支持**：公司可凭借成熟品牌和声誉应对监管与信任挑战，例如雅培实验室通过与患者权益组织合作，提高了Humira疗法的认知并使其成为类风湿性关节炎的首选药物 [13] 扩大规模阶段：快速实现指数级增长 - **让CFO成为直接利益相关者**：早期让CFO参与创新对话，使其接受新的衡量标准，更倾向于利用资产负债表确保未来竞争力 [14] - **向董事会提出保守方案**：CEO需为董事会构建令人信服的扩大规模论点，制定利用现有竞争优势并防范中断的战略 [15] - **警惕差异化与协同陷阱**：在指数增长阶段，需避免无法扩展的功能，并优先考虑速度而非成本协同效应 [15] - **发扬创业精神**：可任用有成功纪录的初创企业创始人或具有创业精神的内部管理者来领导规模化，以克服组织惯性 [15]

文章核心观点 - AI工具在提升工作效率的同时，可能侵蚀职场新人通过“犯错-学习”过程培养关键判断力的经验土壤，这构成了企业面临的人才培养与组织继任风险 [1][4][21] AI对判断力培养的悖论效应 - AI工具放大了使用者已有的判断力，而非弥补资浅员工判断力的缺失，导致其难以评估和修正AI产出的质量 [3] - AI既增加了对判断力的需求，同时也在侵蚀孕育判断力的实践经验，企业正面临这一悖论 [4] - 初级岗位保留但其培养价值发生根本性变化，传统上通过执行基础任务来培养判断力的模式受到冲击 [4] 判断力的定义与构成 - 判断力被定义为在既有规则无法提供明确指引时，仍能作出明智决策的能力 [6] - 判断力在实践中体现为至少五类：评估判断、情境判断、取舍判断、预见判断、担当判断 [6] - 判断力通常无法直接传授，而是从工作本身的结构中自然涌现，源于多年观察类似决策形成的认知模式 [7] 传统判断力的形成路径 - 在多数组织里，判断力是工作架构衍生的副产品，通过承担超越现有能力的新责任，在试错中获得反馈，从经验中学习成长 [8] - 判断力培养体系有两个关键特征：实际决策权与重复实践，承担决策后果和重复挣扎求索的过程至关重要 [9] - 这套体系建立在一个前提上：人类将继续执行那些培养判断力的核心任务，但在AI时代，这个前提已然动摇 [10] AI对特定领域判断力培养的冲击 - 在产品管理领域，AI可在数分钟内生成产品规格、用户故事等，新一代产品经理往往只需审阅产出，而非亲手创造，错过了传统的成长必修课 [8] - 在市场营销领域，AI能快速批量生成广告文案、视觉素材等，使得初级营销人员未必需要亲历创作过程的艰难磨砺 [9] - 在编辑领域，缺乏背景的评估者难以对稿件做出深度判断，而AI的高速生成内容使其人类使用者处于“经验缺失的编辑”境地 [15][16] 组织面临的风险与连锁反应 - 初级岗位失去作为训练场的成长型任务，导致中层管理者需要督导他们从未完全掌握的工作，高层领导者则发现越来越少人能胜任需要真正判断力的岗位 [11] - AI生成的“工作垃圾”（外表光鲜却缺乏实质的产出）因越来越少人能识别其局限或予以修正，最终通过引发混乱与返工侵蚀整体效率 [11] - 判断力将集中于更小范围的高层领导者群体，随着新一代领导者普遍缺乏关键决策能力，人才梯队将逐渐萎缩，构成领导力与继任风险 [17][18] - 当人们在职业生涯早期被剥夺担当体验，其学习重心可能转向如何向上管理，而非学习如何决策，产生微妙的文化影响 [19] 现有保障措施的局限性 - 确保人类始终处于决策闭环的原则（如正式审查），未能解决培养判断力土壤这一深层问题 [13] - 升级上报机制等常见AI保障措施，短期保障质量，但长期教会新员工将不确定性视为需要转移而非克服的难题，依赖日益缩减的经验决策者群体 [13] - 大多数“人类参与”机制的设计初衷是优化流程控制与已知风险管理，而非促进参与闭环中人类自身的成长 [14] 破局之道与重建培育土壤 - 当前挑战在于如何在AI时代重新设计工作，使判断力仍能持续发展 [20] - 可通过提出诊断性问题来辨识判断力形成的土壤是否被割裂，例如：真正做出重要决策的是谁、人们在何处体验自身选择带来的后续影响、哪些岗位失去了培养判断力的重复性任务等 [20] - 可以从医疗、军事等高风险领域汲取灵感，通过案例研习、模拟训练、逐级增加责任、结构化事后复盘等机制，有意识地构建判断力 [20]

瑞银全球股票策略团队十大意外情景 - 瑞银全球股票策略团队列出了10个可能颠覆市场共识的意外情景，范围从潜在的市场泡沫到主权债务危机 [1][15] 市场整体与资产泡沫 - 瑞银警告形成泡沫的全部7个先决条件现已具备，其核心观点是将年底MSCI AC世界指数目标定在1130点 [2][16] - 生成式AI的迅速普及已将季度年化生产率增长推高至4.9%，若生产率从2028年起增长2%，标普500指数的公允价值可能达到8600点 [2][16] - 市场崩溃可能由科技过度投资、财政担忧导致的债券收益率飙升，或移民减少导致的美国工资增长加速触发 [2][16] 主权债务与利率 - 瑞银预计年底美国10年期国债收益率将处于4%，但意外情景中收益率可能超过上一个周期5.04%的高点 [3][17] - 民粹主义压力要求增加政府支出，包括特朗普讨论的每人2000美元减税计划，若此情况发生，投资者应避开高杠杆股票，关注瑞士和中国台湾等财政状况强劲地区的本土股票，黄金将成为对冲工具 [4][18] 美国经济增长与政策 - 瑞银预测2026年美国GDP增长为2.6%，但意外情景显示增长可能超过3%，这将迫使美联储逆转降息路径 [5][19] - 分析认为股市每上涨10%可能为GDP贡献1%，大规模科技投资仅在2026年就可能贡献约1% [6][20] - 强于预期的增长可能在劳动力停滞的情况下引发工资增长回升，从而利好金融和防御性板块，并推动美元反弹 [6][20] 医药行业 - 瑞银核心观点将医药行业视为基准持仓，但意外情景认为该板块将跑赢大盘 [7][21] - 医药行业是杠杆率最低的防御性板块之一，且相对估值依然便宜 [8][22] - 关键催化剂包括：美元大幅走强、美国工资增长加速利好防御性资产，以及生成式AI可能通过缩减成本和时间、提高成功率来加速新药研发 [9][23] 科技与人工智能行业 - 尽管瑞银核心观点是科技和AI将略微跑赢大盘，但风险情景显示该板块可能落后 [10][24] - 资本支出占销售额比例的上升可能最终损害利润率并吸引更多竞争，包括英伟达53%净利润率在内的半导体利润率可能被证明是不可持续的 [10][24] - 生成式AI可能会减少白领工作岗位并萎缩软件许可需求，而电力短缺可能在整个行业制造搁浅资产 [10][24] 美国股市相对表现 - 瑞银预测按本币计算美国表现将略好于世界其他地区，但意外情景下美国股市以美元计价的表现可能落后 [10][25] - 标普500指数相对于MSCI AC世界指数已出现自2009年以来最大的表现落后，剔除科技+后的美国行业调整后市盈率仍高达19.2倍 [10][25] - 欧洲的总收益率现在是美国的2倍，而不断变化的披露规则和政治干预可能会增加美国企业的确定性风险 [10][25] 美元汇率 - 瑞银汇率团队预测欧元兑美元在第1季度末为1.22，年底至1.14，但全球股票策略团队持看跌美元立场，认为存在持续走弱风险 [10][26] - 看跌因素包括极高的净外债、美元头寸过度持有以及对美联储的批评 [11][27] - 瑞银将英镑视为潜在惊喜，理由是英国经济动能改善、财政状况优于预期，以及包含净股票流入在内的基本国际收支盈余 [11][27] 欧元区经济 - 瑞银预测2026年欧元区GDP增长1.1%，消费增长0.9%，但意外情景预示着更强劲增长 [12][28] - 综合PMI显示GDP增长约为1.5%，储蓄率比新冠疫情前高出3%可能出现下滑 [12][29] - 油气价格下跌可能使增长比预期高出0.3个百分点，俄乌冲突若能停火可能在12至18个月内再贡献0.3%的增长，财政宽松也可能带来意外上行 [12][29] 印度股市 - 瑞银核心观点认为印度因市值加权估值昂贵及IT服务受阻将表现不佳，但意外情景认为印度将作为最佳GDP复合增长案例之一而崛起 [13][30] - 估值已回归正常，表现与PMI重新对齐，且印度储备银行可能比预期更鸽派 [13][30] - 其他利好包括廉价的卢比、正在改善的印美贸易关系（可能降低关税并提振FDI），以及盈利修正表现优于市场股价表现 [13][30] 铜矿行业 - 虽然瑞银矿业团队仍看好铜价，但全球股票策略团队警告意外情景可能导致铜矿商表现不佳 [14][31] - 铜矿股相对于市场的市盈率目前处于极端水平，南方铜业的市盈率甚至超过了2029年SAP预测市盈率的2倍 [15][32]

报告行业投资评级 * 报告未提供明确的行业投资评级 [3][4][5] 报告核心观点 * 报告预测，到2026年，随着AI规模化应用的持续推进，其理想与现实之间的差距将缩小，但不会消失，行业关注点将更趋务实，聚焦于基础能力的夯实 [3] * TMT行业正从“软件颠覆世界”迈向由“AI引领的TMT颠覆世界”阶段，其重要性不仅在于自身，更在于赋能其他行业实现增长、效率和创新 [4] * 报告认为，AI的规模化应用是核心叙事，其成功推广依赖于数据治理、工作流集成、合规管理等“非激动人心”的基础工作 [5] * 超过半数的预测主题围绕AI展开，同时关注生成式AI/代理式AI驱动的变革、新型媒体形式以及相关监管趋势 [6] 根据相关目录分别进行总结 AI规模化应用与行业影响 * 到2026年，使用内嵌于现有应用（如搜索引擎）中的生成式AI的人数将超过使用独立生成式AI工具的用户，前者在日常使用层面的普及度将比后者高出300% [7] * 到2026年，通过搜索引擎调用生成式AI的日使用率预计在发达市场达到29%，而使用独立应用的比例为10%；到2027年，这两个比例预计将分别提升至40%和13% [27] * 在AI计算方面，到2026年，“推理”将占据全部AI计算能力的三分之二，大部分推理仍将在价值近5000亿美元的新型数据中心及企业本地服务器中进行，而非通过边缘芯片完成 [8] * 预计到2026年，全球AI数据中心的资本支出将达到4000亿至4500亿美元，其中超过一半用于芯片；到2028年，资本支出可能上升至1万亿美元 [60] 自主智能体与SaaS变革 * 到2026年，估计自主智能体市场规模可能达到85亿美元，到2030年达到350亿美元；若能更好地协调代理，2030年市场规模预期可能增长15%至30%，高达450亿美元 [9] * 随着代理式AI能力成熟，SaaS应用有望变得更加智能和自主，可能颠覆传统的基于订阅的定价模式，转向融合按使用量和按成果计费的混合模式 [11] * 德勤调查显示，80%的受访者认为其组织在基础自动化方面已具备成熟能力，但仅有28%的受访者认为在基础自动化与智能体相关工作方面具备同等能力 [81] 硬件与基础设施 * 半导体供应链面临挑战，预计到2026年，某些支持先进AI模型的尖端技术及软件工具将成为新的供应链瓶颈 [12] * 预计到2026年，全球工业机器人的累计安装量可能达到550万台，但年销量可能仍徘徊在50万台左右；发展拐点可能在2030年出现，届时年出货量可能翻倍至100万台 [10] * 在卫星互联网领域，预计到2026年，直连设备网络基础设施支出将增至60亿至80亿美元；低地球轨道通信卫星数量将达到1.5万至1.8万颗，为全球超过1500万用户提供连接服务 [20] 媒体内容与消费趋势 * 微短剧市场增长显著，预计到2026年，应用内微短剧的收入将翻倍，达到78亿美元；美国市场在2025年预计占据全球收入的一半，但到2026年份额可能下降至40% [13] * 视频播客增长迅速，预计2026年全球播客及视频播客年度广告收入将达到约50亿美元，同比增长近20% [15] * 生成式AI视频技术的发展可能触发更严格的监管，预计2026年美国可能推动更广泛的年龄验证机制，并加强对AI生成内容的标识要求 [17] * 公共服务广播机构正通过联合制作、社交平台推广等策略应对挑战，预计2026年将出现更多与流媒体平台的重要合作 [18][19] 区域与市场动态 * 各国和地区集团正竞相建设主权技术和AI基础设施，预计这一趋势将在2026年加速，大量投资将涌入云计算、半导体、数据中心等领域 [16] * 在发达市场，到2026年，移动运营商的奖励计划对主流消费者的重要性可能会与网络性能相当，甚至更胜一筹 [21] * 中国生成式AI用户规模截至2025年6月达5.15亿，预计2028年中国生成式AI投资占比将达到30.6%，投资规模超300亿美元，年复合增长率为51.5% [43][44] * 中国人工智能人才缺口超过500万，供求比例达1:10 [46]

这也是传统方法应对"AI犯错"时遭遇的困境：优化训练数据、改进训练方法和模型结构等手段，不可能 彻底消除AI安全边界的不确定性；而人类或传统机器监管AI，也面临海量的AI"管不过来也管不了"的 问题。即便是在网络安全领域常用的组织"红蓝对抗"，通过实战手段测试系统的安全防御能力，在当前 大部分AI应用场景中也显得无能为力——因为"红蓝对抗"是分为明确的攻击方和防御方，但当前大部分 AI问题都源于"无攻击方的内生失效"。 据《环球时报》记者了解，由于生成式AI与生俱来的缺陷，它在快速发展的同时，也带来包括数据污 染、违规内容生产、机理不透明、能力滥用、意识形态渗透、模型缺陷、隐私泄露、深度伪造乃至知识 产权保护、责任归属等各种突破传统安全领域的新挑战。 【环球时报报道 记者 马俊】网络安全如今深刻影响各国的政治、经济、文化、社会等不同领域，越来 越多的案例证明"没有网络安全就没有国家安全"。特别是生成式AI的加速演进，带来全新的安全挑战。 1月29日到30日在成都举行的2026年网络安全等级保护技术学术交流活动中，与会的业内专家给出了不 同的"解题思路"。 中国工程院院士邬江兴在本次活动中，围绕当前AI安全治理 ...

亚马逊大规模裁员与AI转型 - 亚马逊在2025年10月至2026年1月期间进行两轮大规模裁员，累计裁撤3万名员工，约占其全球企业员工总数的近10%，创下公司成立30年来最大规模裁员纪录 [2] - 最新一轮裁员主要集中在企业职能部门，例如人力资源部门的“员工体验与技术团队”几乎被整体裁撤，AWS的行政支持岗位也成片消失 [3] - 亚马逊CEO安迪·贾西在内部信中表示，已有1000个生成式AI应用在开发中，暗示未来人力需求将减少 [2] - 裁员消息公布后，亚马逊股价一度冲至258.6美元的历史新高，资本市场对“少雇人、多投AI”的战略表示认可 [3] AI驱动裁员的具体表现与影响 - 亚马逊本轮裁员性质与以往不同，不再遵循传统的“砍末位”绩效逻辑，而是呈现出“按楼层裁”、“按职能砍”的态势，甚至波及考核靠前的老员工 [2][3] - 在中国区，社交媒体讨论显示“卖家管理（ESM）团队裁员比例高达50%”，多位中国卖家透露其对接的亚马逊经理失联，日常运营支持响应变慢 [4] - 公司正从“招商拉新”阶段全面转向“常态管理与筛选”，通过AI客服和自动化工具减少对人力的依赖 [4] - 中央财经大学教授指出，亚马逊2025年在AI领域的投入首次超过1500亿美元，历史上首次超越人力成本支出，标志着企业“算账逻辑”的根本改变 [3][5] 全球科技行业的AI裁员潮 - 2025年，美国科技行业累计裁员超过15.4万人，其中约5万人托名AI而被裁 [2][5] - IBM裁员8000人，用AI客服系统替代了大量技术支持岗位 [2][5] - 微软在Office全面嵌入生成式AI后，文档处理岗位减少了30% [2][5] - Meta用AI内容审核系统替代了数千名人工审核员，并将AI投入提升至营收的25% [2][5] - 全球科技巨头的核心逻辑高度一致：用AI提升效率，压缩非核心人力成本 [5] AI对岗位的结构性冲击与新机遇 - 流程化办公岗（如HR、行政、财务）、重复性技术岗（如数据录入、模板化设计）和中介型服务岗（如招聘、房产中介）正成为AI瞄准的三大高危领域 [6] - 对程序员而言，“铁饭碗”正在松动，GitHub Copilot、通义灵码等AI编程工具让“用自然语言写代码”成为常态，快速挤压初级程序员的生存空间 [6] - 危险背后蕴藏新机遇：懂AI的医药人才薪资涨幅达40%；能“管AI”的智能体管理者成为热门岗位；未来的职场竞争力在于能否用AI把事做得更好 [6] - 亚马逊人力资源高级副总裁表示，持续评估和在必要时做出调整，在当今变化更快的世界里比任何时候都更重要，暗示此类“调整”或将成为新常态 [6]

亚马逊裁员事件与战略转型 - 2026年初亚马逊计划裁员1.6万人，这是继2025年10月裁员1.4万人后的第二波大规模裁员[1] - 裁员方式反常，波及考核靠前的老员工，并有“按楼层裁人”的内部传言，人力资源和AWS行政岗位成为重灾区[1][3] - 公司CEO安迪·贾西在全员邮件中明确表示，已有1000个生成式AI应用在推进，未来不再需要这么多人[3] AI驱动的人力替代战略 - 亚马逊的裁员逻辑从传统的“砍边缘业务降成本”转变为“用AI换人力”的战略性调整[5] - 公司自研AI招聘系统将招聘周期缩短60%，AI绩效跟踪系统可替代20人团队的工作[6] - 2025年亚马逊在AI上的投入首次超过1500亿美元，历史上首次超过人力成本支出[6] - 裁员消息公布后，亚马逊股价冲至258.6美元的历史新高，显示资本市场认可“少雇人、多投AI”的新模式[6] 科技行业AI转型趋势 - 2025年美国科技行业共裁员15.4万人，其中5万人是被AI直接替代[8] - 具体案例包括：IBM裁员8000人，用AI客服替代技术支持岗；微软在Office嵌入生成式AI后，文档处理岗位减少30%；Meta用AI审核替代数千人工，并将AI投入提升至营收的25%[9] - 国内某互联网巨头在2025年11月裁员10%-25%，游戏和直播部门几乎腰斩，该公司年营收千亿，却投入超1000亿在AI上[9] - 大模型部门在组织架构中的地位提升，从CTO体系剥离，负责人直接向CEO汇报，成为“一把手工程”[9] 受AI冲击的岗位类型 - **流程化办公岗**：如HR、行政、财务，案例显示加多宝用AI筛简历使人力成本降30%，佳沃集团AI助理让新员工培训成本砍半[10] - **重复性技术岗**：如初级程序员、数据录入员，案例显示森马用阿里云AI 30秒出一套服装设计稿，中华财险60%研发人员使用通义灵码，生成代码占比达20%[10] - **中介型服务岗**：如招聘中介、房产中介，案例显示阿里云为哈啰打造的自动交易机器人，处理效率比人工高3倍[10] AI时代的新兴机会与能力要求 - **“AI+行业”复合型人才**需求上升，例如杭州第一技师学院2025年有61人获得AI训练师“一试双证”，懂AI的医药人才薪资涨幅达40%[10] - **智能体管理者**价值凸显，例如联想擎天智能体已帮助200个场景提效50%，调试和优化智能体的员工变得重要[12] - 未来的职场竞争力在于能否利用AI将事情做得更好，而非是否会被替代，行业趋势包括智能体落地、具身AI发展和云边端协同[16]

行业核心观点 - 在数字技术与组织形态变革驱动下，人力资源管理正经历深刻转型，其核心是从单纯管理“人”转向统筹“人+技术”的复合价值创造主体，构建协同共生的新范式 [1] 行业变革驱动因素 - 技术维度：人工智能、大数据等数字技术成熟，使HR技术应用从“辅助办公”升级为“智能赋能”，技术本身成为价值创造的核心参与者 [10] - 组织维度：市场竞争加剧推动组织向扁平化、多元化、平台化转变，价值创造主体多元化，要求HR打破部门壁垒，以全局视角整合资源 [11] - HR自身维度：传统事务性技能无法满足新需求，倒逼HR团队进行能力迭代，角色从“事务执行者”觉醒为“价值创造统筹者” [12] 当前行业挑战与痛点 - 技术应用碎片化：规模性多元组织内部HR系统数量激增，可达上百个，系统标准不一、数据不通，形成“数据孤岛”，导致价值创造分散、管理效率低下、员工体验割裂 [4][6] - 认知误区导致资源浪费：部分组织引入HR技术时重技术、轻价值，盲目追求先进性，忽视与组织需求的匹配度，造成技术冗余和财务成本增加 [7][8] - 人技协同失衡：过度追求效率而忽视人文关怀与隐私保护，如利用AI工具对员工进行全方位监控，引发员工信任危机和体验割裂 [9] 行业转型实践路径 - 技术整合：以价值创造为锚点，构建“核心体系+兼容工具”的生态，优先搭建统一核心HR体系，再按需集成补充工具，确保数据互通与业务协同 [13][14] - 体验统一：平衡效率与人文关怀，坚持“低风险试点先行”原则推进AI等技术应用，同时推动员工体验全域统一，打破地域、部门、岗位壁垒 [15][16] - 风险可控：强化合规管理，遵守《个人信息保护法》《数据安全法》，加强数据全生命周期安全管控，并明确跨部门协同的权责划分 [17] HR能力与团队结构升级方向 - 技能提升：HR需构建“技术理解能力+数据洞察能力+跨部门协同能力”的复合技能体系，从提供数据报告转向数据叙事与预测性建议 [18][19] - 团队转型：HR团队需从“职能导向”转向“价值导向”，组建跨部门项目团队，并利用技术自动化减少事务性工作占比，聚焦战略规划与资源整合 [20]

文章核心观点 - 全球科技产业正站在关键十字路口，人工智能将从“令人惊叹”的实验阶段转向“务实”的规模化应用阶段，其理想与现实之间的差距将缩小但不会完全消失，未来的进展将更多依赖于基础能力的夯实与跨行业的深度整合，而非新模型的发布 [1] - 科技、传媒和电信行业已成为所有其他行业实现增长、效率和创新的根本驱动力 [1] AI应用范式的转变 - 生成式AI的使用方式正发生根本性转变，未来主战场将是“椅子式AI”，即内嵌于现有主流应用中的生成式AI [2] - 到2026年及以后，使用内嵌式生成式AI的用户数量将超过使用独立生成式AI工具的用户 [2] - 在日常使用层面，通过搜索引擎调用生成式AI的普及度将比使用任何独立生成式AI工具高出300% [2] - 对于大多数消费者，AI将不再是需要主动访问的“目的地”，而将成为数字生活背景中的基础设施 [2] 企业软件与商业模式的变革 - “代理式AI”的崛起将冲击企业级软件市场，SaaS应用将从静态工具演变为能够从自身经验中学习、具备自主性的实时工作流服务联盟 [3] - 企业采购和使用软件的方式将发生根本性转变，传统的基于订阅和按席位授权的模式可能被融合了按使用量和按结果的混合模式所取代 [3] - 到2026年，自主自动化体市场规模可能达到85亿美元，并有望在2030年飙升至350亿美元 [4] - 如果企业能有效解决多智能体和谐挑战，2030年市场规模甚至可能高达450亿美元 [4] 计算基础设施与能源挑战 - 计算重心正从模型训练向模型推理转移，到2026年，“推理”将占据所有AI计算的三分之二 [5] - 大多数推理任务仍将在数据中心进行，未来将出现价值近5000亿美元的新型数据中心市场，以及使用价值超过2000亿美元的高成本、高功耗AI芯片的企业本地服务器 [5] - 2026年，AI数据中心的建设成本预计高达4000亿美元，且到同年，每年潜在运营成本可能攀升至1万亿美元 [7] - 某些专为推理优化的AI芯片，其单机柜功率需求甚至高达370千瓦，给全球电网带来严峻考验 [7] 技术主权与供应链 - 地缘政治影响日益凸显，“技术主权”成为焦点，各国政府正敦促加强对数字基础设施的直接控制 [7] - 各国正竞相建设主权AI云、本土数据中心和半导体供应链，以减少对外部技术的依赖 [7] - 未来十年，大量投资将涌入云计算、半导体、数据中心、AI模型等领域，以实现更大的技术自主性 [7] - 半导体供应链面临更复杂的贸易限制和合规要求，特别是在极紫外光刻和先进封装等关键技术领域 [7] 物理世界自动化 - 到2026年，全球机器人的累计安装量可能达到550万台，但年销量仍将徘徊在50万台左右 [8] - 真正的拐点可能要到2030年才会出现，届时受劳动力短缺和专用基础AI模型成熟的推动，年度新型机器人出货量可能实现翻倍至100万台 [8] - 物理世界的自动化变革受限于机械工程、系统集成和安全监管等因素，需要更长的孵化期 [8] 数字媒体与娱乐 - 到2026年，应用内微短剧的收入将增长翻倍，达到78亿美元 [9] - 美国预计将在2025年占据全球微短剧收入的一半，表明微短剧正成为全球性现象 [9] - 2026年全球播客及视频播客年度广告收入将达到约50亿美元，同比增长近20% [9] - 视频播客在印度、尼日利亚和巴西等新兴市场通过本土化和多语言内容实现了增长 [9] 生成式AI的监管与挑战 - 2026年，生成式视频技术或将在美国触发监管应对措施，可能包括推动更广泛的年龄验证机制，以及要求社交平台对AI生成内容进行强制标识 [10]

来源：环球网 【环球网科技综合报道】1月25日消息，据The Japan Times报道，日本自由职业者联盟近日发布的一项 调查报告显示，过去一年间，超10%的日本漫画家与插画师因生成式AI的普及出现收入下滑，88.6%的 受访者认为生成式AI对其生计构成威胁，行业对加强相关监管的呼声强烈。 该调查于去年10月启动，共收集有效问卷24991份，受访者中插画师占比54.2%，漫画家占比15%，覆盖 日本创意产业核心从业者群体。调查结果显示，12%的受访者明确表示收入下降与生成式AI直接相关。 其中，9.3%的人收入降幅在10%-50%之间，2.7%的人收入缩水超过50%。 多位受访者反映，生成式AI的广泛应用已显著改变行业生态：部分客户在询价阶段便默认创作者会使 用AI，进而提出更短的交付周期和更低的服务费用；更有甚者直接采用AI生成内容，导致传统创作者 失去大量订单。 在监管诉求方面，创作者群体达成高度共识：92.8%的受访者认为应通过立法形式，强制要求AI开发者 公开训练过程中使用的受版权保护作品清单，以规范行业发展，维护创作者合法权益。（纯钧） 在自身使用AI的态度上，行业呈现明显分化：62.9%的受访者 ...